一、CARLA核心架构解析

大家好，我是你们的自动驾驶算法工程师讲师。今天我们来聊聊CARLA的核心架构。说实话，我第一次接触CARLA时，也被它那一堆概念搞得有点懵。但别担心，我会用我自己的经验，帮你把这些东西串起来。

1.1 世界(World)与蓝图库(Blueprint)

先说说World。World就是CARLA里的「整个世界」——包括道路、建筑、车辆、行人，还有天气和光照。我个人习惯把World理解成一个巨大的容器，里面装着所有东西。

怎么获取World？很简单：

import carla

# 连接CARLA服务器
client = carla.Client('localhost', 2000)
client.set_timeout(10.0)

# 获取世界对象
world = client.get_world()
print(f"当前世界: {world.get_map().name}")

嗯，这里要注意：client.get_world()返回的是当前激活的世界。如果你在CARLA里切换了地图，这个对象也会跟着变。

接下来是Blueprint库。Blueprint是什么？你可以把它想象成「汽车出厂配置单」——上面写着车型、颜色、传感器型号等等。CARLA里所有能动的物体（车辆、行人、传感器）都需要先有Blueprint才能创建。

# 获取蓝图库
blueprint_library = world.get_blueprint_library()

# 列出所有可用的车辆蓝图
for bp in blueprint_library.filter('vehicle.*'):
    print(bp.id)

# 挑选一辆特斯拉Model 3
tesla_bp = blueprint_library.find('vehicle.tesla.model3')

1.2 参与者(Actor)生命周期管理

Actor就是「参与者」——所有能在世界里动的东西都叫Actor。车辆、行人、传感器，甚至交通标志，都是Actor的子类。

生命周期管理就三个步骤：生成 → 控制 → 销毁。我曾经在项目里忘记销毁Actor，结果内存泄漏，跑了一晚上仿真直接崩了。从那以后，我养成了「用完就销毁」的习惯。

# 生成一辆车
vehicle_bp = blueprint_library.find('vehicle.tesla.model3')
spawn_point = random.choice(world.get_map().get_spawn_points())
vehicle = world.spawn_actor(vehicle_bp, spawn_point)

# 让车动起来
vehicle.set_autopilot(True)

# 使用完后销毁
vehicle.destroy()
print("车辆已销毁")

为什么需要手动管理？因为CARLA不会自动清理你创建的Actor。你想想看，如果仿真跑了1000帧，每帧生成一个车又不销毁，那内存迟早爆掉。

1.3 坐标系与坐标变换

坐标系这块，说实话是很多人的噩梦。CARLA里主要有三种坐标系：

坐标系	说明	典型用途
世界坐标系	全局坐标，以地图原点为基准	定位车辆、行人位置
车辆坐标系	以车辆自身为原点	传感器安装位置、碰撞检测
传感器坐标系	以传感器为原点	点云、图像数据坐标

坐标变换的核心函数是get_transform()和get_location()：

# 获取车辆在世界坐标系中的位置
vehicle_transform = vehicle.get_transform()
print(f"位置: {vehicle_transform.location}")
print(f"旋转: {vehicle_transform.rotation}")

# 坐标变换：从车辆坐标系转到世界坐标系
# 假设传感器装在车辆前方2米处
sensor_location = carla.Location(x=2.0, y=0.0, z=1.5)
world_location = vehicle_transform.transform(sensor_location)
print(f"传感器在世界坐标系中的位置: {world_location}")

1.4 天气与光照系统

天气系统是CARLA的一大亮点。你可以控制太阳高度、云量、降雨量、风速等等。我个人觉得，做感知算法验证时，天气变化是必须测试的——因为真实场景里什么天气都有。

# 获取当前天气
weather = world.get_weather()
print(f"当前云量: {weather.cloudiness}")

# 设置晴天
sunny_weather = carla.WeatherParameters(
    cloudiness=0.0,
    precipitation=0.0,
    sun_altitude_angle=70.0
)
world.set_weather(sunny_weather)

# 设置雨天
rainy_weather = carla.WeatherParameters(
    cloudiness=80.0,
    precipitation=60.0,
    precipitation_deposits=30.0,
    wind_intensity=20.0
)
world.set_weather(rainy_weather)

光照系统会影响传感器的数据质量。比如，太阳角度太低会产生长阴影，干扰目标检测。我记得有一次，算法在正午表现很好，但到了傍晚就频频漏检，后来发现是阴影导致的。

1.5 传感器(Sensor)挂载机制

传感器是感知算法的「眼睛」。CARLA支持摄像头、激光雷达、毫米波雷达、GPS、IMU等多种传感器。挂载传感器的核心是attach_to参数——把传感器「绑」在车辆上。

# 创建摄像头蓝图
camera_bp = blueprint_library.find('sensor.camera.rgb')
camera_bp.set_attribute('image_size_x', '800')
camera_bp.set_attribute('image_size_y', '600')
camera_bp.set_attribute('fov', '90')

# 设置安装位置（相对于车辆坐标系）
camera_transform = carla.Transform(
    carla.Location(x=1.5, y=0.0, z=2.0),  # 车顶前方
    carla.Rotation(pitch=-15.0)            # 向下倾斜15度
)

# 挂载传感器到车辆
camera = world.spawn_actor(
    camera_bp,
    camera_transform,
    attach_to=vehicle
)

# 监听传感器数据
camera.listen(lambda image: image.save_to_disk(f'output/{image.frame}.png'))

传感器挂载的另一个关键是listen()回调函数。每次传感器生成数据，都会触发这个回调。我个人习惯在回调里做数据预处理，比如把图像转成numpy数组：

import numpy as np

def process_image(image):
    # 将CARLA图像转为numpy数组
    array = np.frombuffer(image.raw_data, dtype=np.uint8)
    array = array.reshape((image.height, image.width, 4))
    # 去掉Alpha通道
    array = array[:, :, :3]
    # 做你的算法处理...
    print(f"收到第{image.frame}帧图像，尺寸: {array.shape}")

camera.listen(process_image)

知识体系总览

最后，我用一张图来总结本章的核心逻辑。这张图是我自己画的，希望能帮你理清思路：

这张图展示了CARLA的核心流程：从World出发，通过Blueprint创建Actor，再给Actor挂载Sensor，最后采集数据。天气和坐标系贯穿整个过程，影响着每个环节。

好了，这一章就到这里。记住我强调的那些坑，尤其是Actor销毁和传感器安装位置。下一章我们会深入传感器数据采集，到时候见！

---